Python 了解以下神经网络
我现在已经开始阅读迈克尔·尼尔森（MichaelNielson）写的在线书，书中深入讨论了创建神经网络的基本原理，并给出了解释性的代码示例 我所指的在线书籍可以查看 我一直在跟进，并创建了一个基本的神经网络，它实现了随机梯度下降，允许权值和偏差稍微改变，以提高学习精度 代码大约有75行长（减去注释），可以看到 我使用了MNIST，它由60000个数字组成，我正在使用它来训练网络 SGD函数采用Python 了解以下神经网络,python,neural-network,Python,Neural Network,我现在已经开始阅读迈克尔·尼尔森（MichaelNielson）写的在线书，书中深入讨论了创建神经网络的基本原理，并给出了解释性的代码示例 我所指的在线书籍可以查看 我一直在跟进，并创建了一个基本的神经网络，它实现了随机梯度下降，允许权值和偏差稍微改变，以提高学习精度 代码大约有75行长（减去注释），可以看到 我使用了MNIST，它由60000个数字组成，我正在使用它来训练网络 SGD函数采用training_data，这是一个元组列表（x，y），表示训练输入和相应的期望输出以及其他自解释的参数
training_data（x，y）前馈def feedforward(self, a):
"""Return the output of the network if "a" is input."""
for b, w in zip(self.biases, self.weights):
a = sigmoid(np.dot(w, a)+b)
return a
这本书讲了很多关于如何训练网络的内容，我只是对如何运行一些验证测试和获得一些网络输出有点困惑 你的假设是正确的。
前馈evaluate（）